3.4 随机变量函数 .ppt

例3.4.6 已知随机变量 X 的概率密度为连续函数 fX (x) , 求: Y = a X+ b (a≠0) 的概率密度 fY ( y)。 解 当a＞0 时, 当a＜0 时, 对 y 求导得到 特别当 X~N(?, ? 2), 则X的线性函数Y = a X+ b (a≠0) 服从正态分布 N(a? +b, a 2? 2). 证 即Y ~ N(a? +b, a 2? 2). 特别 标准化 变换 有Y 服从标准正态分布 N(0, 1)，其概率密度为 ◆结论: 正态分布的线性函数仍然 服从正态分布; ? 例3.4.7 设随机变量ξ的概率密度为 令Y=X2, F(x, y)为二维随机变量(X,Y)的联合分布函数. (Ⅰ) 求Y 的概率密度fY(y); (Ⅱ) [分析] 该题本质上是求一个随机变量的函数分布和概率计算问题。 [解] （I） 设X的分布函数为 1）当 y0, Fη(y)=0; 2）当 0≤y1, －1 4 1 3）当 1≤y4, 4）当 4≤y, Fη(y)=1; 最后 （II） ? 例3.4.8 设二维随机变量(X,Y )的联合概率密度为: 求随机变量Z=X+2Y的分布函数和概率密度. 解 FZ(z)=P{Z?z} = P{X+2Y?z} x y f(x,y)的 非零区域 x+2y=z 随机变量的函数 * §3.4 随机变量的函数及其分布 问题的由来 很多实际问题中需要研究以随机变量为自变量的函数. 一般，若(X1 , X2 ,…, Xn)是已知联合分布的n维随机变量，则 仍是随机变量，其中 问题 如何确定随机变量Y的分布？ 基本思路 希望通过(X1 ,X2 ,…,Xn)的已知分布去确定Y 的分布. 例3.4.1 例3.4.2 一.离散型随机变量的函数及其分布律 离散型随机变量X 的分布律为 Y =g( X ) 是随机变量, 则 满足 g( xi ) =yj 的全体 xi 构成 的集合 Z =G( X ,Y ) 是随机变量, 则 例 3.4.3 二维离散型随机变量(X , Y )的联合分布律为 定理3.4.1 设随机变量(X , Y )是离散型随机变量, X , Y相互独立,其分布律分别为 则X+Y 的分布律为 例3.4.4 离散卷积公式 结论 若X1, X2 ,…,Xn相互独立,且Xi~ B(1, p)则 X1+ X2+….+ Xn~ B(n, p) 反之若 X~ B(n, p) , 则存在相互独立的 Xi~ B(1, p)，使 X =X1+ X2+….+ Xn 一般 1）随机变量X1，X2，… ,X n相互独立； 2）具有相同类型的分布； 若 二项分布具有可加性 泊松分布具有可加性 的分布除参数变化,而分布类型不变,称分布具有可加性. 教材P84页例3.4.3 二、连续型随机变量的函数及其概率密度 1. 设X 是连续型随机变量,若Y= g(X)也是连续型随机变量，则 例3.4.5 例3.4.6 总结 从分布函数定义出发 FY (y) = P{Y≤y } = P{ g(X)≤y } ◆求解的关键 解决问题 的出发点 将g(X)≤y 转换为关于 X 的不等式 当g(x) 为单调递增函数时 y x= g ?1(y) { g(X)≤y }= { X≤g ?1(y) } 从而 FY (y) = FX [ g ?1(y) ] 当 g(x) 为单调递减函数 { g(X)≤y }= { X≥g ?1(y) } 有 FY (y) = 1－FX [ g ?1(y) ] 2.求二维连续型随机变量(X , Y) 的函数 Z = G (X , Y ) 的概率密度 fz ( z )， 一般方法 1）先求出 Z 的分布函数 FZ ( Z )； 2）对FZ ( Z )微分得到 fz ( z )； FZ (z) = P{ Z≤z } = P{ G( X, Y )≤z } 例3.4.7 例3.4.8 三.几种特殊函数的分布 1.M = max (X,Y)， N = min (X ,Y) 若 X 与 Y 相互独立,有 又若 X 与 Y 有相同分布 从而 思考 已推得 若 X 与Y 相互独立且具有相同分布 见教材P88页例3.4.9 ，随机系统的串并联. 2.Z = X + Y 的分布 设随机变量(X,Y)的联合概率密度为f(x,y) x+y = z x y o 做积分变量变换,令 x = u－y x = u－y